量子计算机之所以被寄予厚望,原因之一在于对其进行经典模拟的计算成本会随系统规模增长而呈指数级攀升。尽管精确的经典模拟无法在规模上与量子硬件相媲美,但它在量子工作负载的构建、测试与验证环节中仍不可或缺。研究人员借助经典模拟来完成算法原型设计、在可处理的问题规模下探索算法行为,并为真实量子硬件生成基准测试数据。随着量子硬件与算法的持续演进,业界迫切需要更快速、更强大的验证工具与之匹配。
为满足这一日益增长的需求,IBM研究团队开发了ffsim——一个专为模拟费米子量子电路而设计的开源Python库。费米子是构成原子、分子和材料的基本粒子。ffsim通过利用这些系统内在的物理对称性,相比通用量子电路模拟器大幅降低了模拟计算成本。借助与Qiskit的深度集成,ffsim还能够模拟具有类似对称性的更广泛量子电路,即便这些电路与费米子本身并无关联。
为什么通用模拟器难以胜任
目前已有许多功能强大的通用量子电路模拟器,能够表示从费米子模型到优化应用乃至机器学习的任意量子电路。然而,这种通用性背后存在根本性的代价。
模拟一个包含n个量子比特的系统,模拟器必须存储维度为2?的完整态向量,即编码系统量子态的数学对象。对于构成分子和材料的费米子系统而言,这意味着极大的计算资源浪费。这类系统几乎总是守恒两个关键对称性:总粒子数守恒以及自旋z分量守恒。因此,具有物理意义的量子态仅占全部可能量子态所构成的希尔伯特空间的一小部分。ffsim正是利用这一结构,大幅降低了费米子模拟的计算成本。
ffsim并不为2N个自旋轨道存储维度高达2??的态向量,而是将模拟限定在具有固定自旋向上电子数(Nα)和自旋向下电子数(Nβ)的态空间内。这一策略将问题规模缩减至C(N,Nα) × C(N,Nβ)。计算复杂度虽仍呈指数级增长,但前置系数大幅缩小,对于判断哪些系统在实际中可以被模拟具有重要意义。
以4×8晶格上的二维Hubbard模型为例,在标准费米子到量子比特的映射下,该模型对应64个量子比特。若使用通用态向量模拟器表示该系统,所需内存高达256 EiB,超过了全球所有超级计算机存储容量的总和。然而在1/8填充条件下(即仅有1/8的自旋轨道被电子占据),ffsim仅需19.3 GiB的内存即可完成模拟,可在一台普通工作站上运行。
核心功能与特性
ffsim的核心功能是存储费米子波函数,并通过应用费米子量子门对其进行演化。它提供了一套经过高度优化的通用粒子数守恒费米子门实现,包括轨道旋转、对角库仑演化、粒子数相互作用等。态向量以标准NumPy数组的形式表示,门操作遵循简洁的函数式编程范式:
rotated_vec = ffsim.apply_orbital_rotation(vec, orbital_rotation, norb=norb, nelec=nelec)
除基本的态向量演化外,ffsim还提供多项附加功能,包括:变分拟设(如常用于化学SQD计算的LUCJ拟设)、基于Trotter-Suzuki乘积公式的哈密顿量时间演化、Slater行列式的高效采样,以及与Qiskit和PySCF的无缝集成。
这些能力的综合使得ffsim能够在大型研究工作流中充当高性能模拟器,让研究人员在将任务提交至真实量子硬件之前,通过反复的经典评估完成电路的构建、优化与基准测试。
超越费米子模拟的扩展应用
借助与Qiskit的集成,ffsim的适用范围已超越纯粹的费米子模拟。任何完全由汉明重量保持门(即保持计算基中1的总数不变的量子门)构成的Qiskit电路,均可由ffsim进行模拟,无论该电路是否与费米子相关。
属于这一类别的量子门包括CPhaseGate、SwapGate和XXPlusYYGate等。在实际应用中,这意味着ffsim能够作为比其名称所暗示的更广泛量子电路类别的高性能模拟器。此外,ffsim的灵活性使其易于集成到更广泛的工具生态系统中,可将来自不同库或工作流生成的电路统一导入具备对称性感知能力的模拟后端。
性能基准测试结果
为评估ffsim在实际应用场景中的性能表现,研究团队将其与功能最为相近的FQE库以及通用量子电路模拟器Qiskit Aer进行了对比测试。基准任务选用了分子哈密顿量在双因子分解表示下的Trotter时间演化,这是量子化学模拟中的常见基础计算模块。
测试结果显示,ffsim在该任务上比FQE快一个数量级。Qiskit Aer在较大系统规模下落后于两个库,且因内存限制无法完成最大规模的16轨道基准测试。该测试中16个轨道对应32个量子比特,所有结果均在笔记本电脑上采集。
在M1 MacBook单线程配置下,ffsim相对FQE的加速倍数如下:
双因子分解Trotter模拟:11倍
对角库仑演化:1.2倍
二次哈密顿量演化:2.4倍
分子哈密顿量算符作用:8.4倍
展望与资源
随着量子软件栈的持续演进,ffsim等工具将在支持日益复杂的量子电路构建的经典验证中发挥重要作用,有效弥合算法设计与量子硬件执行之间的鸿沟。
欢迎量子计算社区的研究者使用ffsim。如需入门,建议从"态向量与量子门"开始了解核心概念,也可直接跳转至相关教程。此外,可参阅指南获取具体任务的帮助,或查阅API参考文档了解库中函数与类的详细说明。如有意参与ffsim的开发工作,欢迎提交Issue或Pull Request。
Q&A
Q1:ffsim相比通用量子电路模拟器有什么优势?
A:ffsim专为费米子系统设计,利用粒子数守恒和自旋对称性将模拟空间从完整希尔伯特空间压缩到物理上有意义的子空间,大幅降低内存和计算需求。例如对于64量子比特的Hubbard模型,通用模拟器需要256 EiB内存,而ffsim在1/8填充下仅需19.3 GiB,可在普通工作站上运行。
Q2:ffsim只能用于费米子相关的量子电路吗?
A:不是。通过与Qiskit的集成,ffsim可以模拟任何由汉明重量保持门组成的量子电路,包括CPhaseGate、SwapGate和XXPlusYYGate等,即使这些电路与费米子无关。这使ffsim能够作为更广泛量子电路类别的高性能模拟后端。
Q3:ffsim与FQE和Qiskit Aer相比速度如何?
A:在分子哈密顿量双因子分解Trotter演化的基准测试中,ffsim比FQE快约11倍。Qiskit Aer在大规模系统下因内存限制无法完成测试。所有测试均在笔记本电脑上完成,说明ffsim在普通硬件上即可实现高效模拟。
好文章,需要你的鼓励
英国NHS计划在NHS App中部署AI智能分诊工具,作为三年100亿英镑数字化转型计划的一部分。该工具可引导患者前往最合适的医疗服务渠道,包括全科医生、药店或急诊等。试点数据显示,早高峰电话等待人数减少29%。此外,AI语音记录工具可为临床医生节省近四分之一的行政时间。该应用将于未来12个月向约20万患者开放,并计划于2028年4月前全面推广。
LUMOS是一个让AI通过操作系统无障碍接口直接读取界面语义信息来操控电脑的中间层,避免依赖截图识别,降低AI电脑操作的资源消耗和出错率。
巴黎创业中心Station F正在筹备其F/ai加速器项目的第二批次,计划于9月启动。第一批次吸引了AMD、Anthropic、OpenAI、Meta等众多科技巨头支持,20家AI初创公司共完成3400万美元的种子前融资,并已有两支团队获得国际认可。第二批次将新增ElevenLabs、Nebius、Rippling等合作伙伴,目标是帮助初创公司在六个月内实现100万欧元收入,推动欧洲AI创业生态发展。
腾讯混元联合多所高校提出PolyFlow,用流匹配模型并行生成艺术家风格3D网格,速度比自回归方法快百倍,几何精度达到新高。